文本情感分析关键技术研究

前言
第一章 绪论
  第一节 研究背景和研究意义
    一  自然语言处理
    二  文本情感分析
  第二节 文本情感分析整体研究现状
    一  语料阶段
    二  文本的预处理阶段
    三  特征标注与特征选择阶段
    四  情感分类阶段
    五  中文文本情感分析亟待解决的问题
  第三节 研究内容与结构
    一：  研究内容
    二研究结构
  本章小结
第二章 情感语义块特征
  第一节 研究现状
  第二节 情感特征的定义
    一特征项的选择与权重
    二  语义块特征无监督提取
    三  情感语义块特征的生成
  第三节 情感特征采集系统
    一  情感特征的自动标注
    二  情感特征的人工标注
  本章小结
第三章 网络挖掘的数据获取
  第一节 万维网介绍
    一  万维网的发展
    二  因特网的历史
  第二节 网络挖掘
    一  网络数据挖掘特点 
    二  网络挖掘步骤
    三  网络数据挖掘的内容
  本章小结
第四章 中文分词
  第一节   自然语言处理
    一  自然语言处理技术
    二  无监督分词研究 
  第二节   中文分词的前沿性及创新性
    一  国内外当前水平
    二分词的前沿性
    三  分词的创新性
  本章小结
第五章 算法准备
  第一节 机器学习概述
  第二节 文本特征选择方法
    一过滤器方法
    二包装器方法
    三  文本学习方法
  第三节 文本分类器核心算法
    一  相关定义
    二  最优基于概率网络的文本分类器
    三  线性决策函数及决策超平面
    四  均方错误估计
    五  随机近似和LMs算法
    六  错误平方和估计
    七  最优分类器的输出——偏差和方差的困境
  本章小结
第六章 基于遗传算法的情感特征选择
  第一节 特征选择相关工作
    一  特征选择
    二特征选择方法
  第二节 情感特征选择的算法设计
    一情感特征编码
    二群体设置
    三  个体适应度函数
    四  遗传算子
  第三节 改进的K一均值聚类及实验结果
    一  改进K一均值聚类
    二  特征选择的实验结果
    三  公开语料上的实验对比
  本章小结
第七章 基于局部高频字串的语句条件随机场模型
  第一节 句法分析
    一  句法分析研究
    二  依存句法分析
    三  依存关系与汉语依存语法
    四  基于规则的依存信息抽取
    五  句法研究代码实现与分析
  第二节 采用CRF进行句法级别情感分析过程
    一语句中的局部高频字串
    二  对语句信息进行cRF模型情感分析
    三  HMM模型
  第三节 实验结果及分析
    一  实验研究资源
    二  实验结果评价
    三  cRF模型与HMM、MEMM、SVM模型的对比
    四  实验结果与前人代表性的算法比较
    五  局部高频字串对情感分类的影响
    六  局部高频字串特征对不同评论数据的影响
  本章小结
第八章 基于集成情感成员模型的文本情感分析方法
  第一节   自动分类问题
    一贝叶斯算法
    二  K一近邻
    三  人工神经网络
    四  决策树
  第二节 集成学习
  第三节 成员模型1：基于神经网络和进化论算法的个体模型
    一  人类情感判断过程分析
    二  文本情感分析过程的计算机模拟
    三  个体模型的定义
    四  个体模型的建模
    五  构建针对文本情感分类的神经网络模型
    六  判断结果汇总
    七  个体模型的进化
第四节 其他成员模型
    一  成员模型2：基于语义块获得情感特征集的个体模型
    二  成员模型3：基于条件随机场模型 
    三  成员模型的集成
  第五节 实验技术方案搭建
    一  服务器LINUX平台
    二  J2EE架构
    三  服务器集群的配置
    四  jfreechart实验结果可视化
    五  服务器集群测试环境实现
  第六节 实验结果及分析
    一  英文影评语料实验研究
    二  中文影评语料实验研究
    三  中文同领域和跨领域情感语料对比实验研究
  本章小结
第九章 结论与展望
  第一节 工作研究现状
  第二节 工作总结与未来工作展望
    一  工作总结
    二  无监督学习算法的研究意义
  本章小结
参考文献
后记